基于经验模态分解的井架变形信号自适应降噪研究 .pdfVIP

学兔兔 2012年第4期 煤 炭 工 程 基于经验模态分解的井架变形信号 自适应降噪研究 田 丰 ，汪云甲1,2，王 昆。，王 猛 ’ (1．中国矿业大学江苏省资源环境信息工程重点实验室，江苏徐州 221 1 16； 2．中国矿业大学环境与测绘学院，江苏徐州 221116；3．山东科技大学测绘学院，山东青岛 266510) 摘 要：在进行建筑物高精度动态监测时，真实位移信号往往淹没在强噪声之中，利用经验 模态分解对监测信号进行多尺度分解，根据尺度标准化模量累积均值指标，确定噪声分离层次， 对有效尺度分量重构得到降噪后的变形信号，建立了变形监测信号的自适应降噪模型。工程实例 表明该方法具有优越性。 关键词：井架；经验模态分解；变形监测；自适应降噪 中图分类号：TD一05 文献标识码：A 文章编号：1671—0959(2012)04-0109-03 井架变形监测在矿山安全生产中起着重要作用，利用 GPS—RTK技术对井架进行动态监测具有连续性、便捷性 等优点，然而受钟差、大气层延迟、多路径效应以及接收 机内部噪声等因素的影响，井架的真实变形信息常常淹没 在噪声中 。为了提取井架真实的位移量，对原始变形 监测信号降噪显得尤为重要。 经验模态分解 (Empirical Mode Decomposition，EMD) 是一种新的高效时频分析工具，与其他时频分析方法不同， 它仅依靠数据本身，具有直观、自适应及数据驱动等特性。 文章设计了经验模态分解自适应降噪模型，对新桥矿井架 变形监测信号进行了实例分析。 1 经验模态分解 经验模态分解将非线性不稳定信号分解为不同尺度下 的固有模态函数(Intrinsic Mode Function，IMF)，所得IMF 具有两点性质：①极值点的数量和过零点的数量相等或至 多相差一个；②由IMF序列局部极大值和局部极小值所定 义的包络均值为零。EMD分解算法流程如图1所示。 Huang等 将获得IMF的过程称为筛(sifting)，因为求 取IMF往往不能一次完成，需要反复进行，直到满足IMF 的两点特性为止，图1中虚线框内即为筛选过程。利用连 图1 EMD算法流程图 续两次筛选结果标准差的值SD来限定筛选次数，其中： 残差项，否则继续筛选下一尺度的IMF。终止条件决定了 SD： 『 L =! 二 h2“一 1 (t) EMD的分解尺度，显然，当残余信号单调时就没有足够的 通常SD0．2～0．3时，停止筛选。利用三次样条函数 极值点来构成包络线，此时分解终止。然而，受三次样条 分别拟合极大值和极小值点来求取上、下包络线。然后， 曲线张力的影响，分解的尺度越大，EMD的边缘效应越严 判断去除IMF后的残余信号是否满足设定的终止条件，若 重。实际上往往没必要分解到这一层次，对于信号降噪而 满足则结束分解过程，得到信号X(t)的多尺度IMF分量及 言，由于噪声一般为高频成分，因此分解到与噪声相当的 收稿日期：2011—08—24 作者简介：田 丰(1987一)，男，河北衡水人，硕士研究生，主要从事GPS技术、矿山测量等方面的研究。 1O9 学兔兔 煤 炭 工